作者：KDnuggets   譯者：無明

去年，我們發(fā)布了一篇文章（見下面鏈接），分析了 2017 年人工智能與數(shù)據(jù)科學(xué)領(lǐng)域的主要成果，同時(shí)也對(duì) 2018 年這兩大領(lǐng)域的發(fā)展趨勢(shì)進(jìn)行了一番預(yù)測(cè)。一年過去了，2018年的預(yù)測(cè)有哪些實(shí)現(xiàn)了?數(shù)據(jù)科學(xué)與分析領(lǐng)域有哪些值得關(guān)注的進(jìn)展?2019 年的主要趨勢(shì)又是什么?本文將為你一一解答。

文章：https://www.kdnuggets.com/2017/12/data-science-machine-learning-main-developments-trends.html

以下的回答來自 Meta Brown、Tom Davenport、Carla Gentry、Bob E Hayes、Cassie Kozyrkov、Doug Laney、Kate Strachnyi、Ronald van Loon、Favio Vazquez 和 Jen Underwood。這些專家所涉及的關(guān)鍵主題包括人工智能的進(jìn)步(不管是真實(shí)的還是炒作的)、數(shù)據(jù)科學(xué)和分析的民主化(包括自助服務(wù))、自動(dòng)化(包括數(shù)據(jù)科學(xué))、GDPR、人工智能風(fēng)險(xiǎn)、實(shí)時(shí)分析，等等。

Meta Brown，A4A Brown 公司總裁及“Data Data for Dummies”的作者。

2018 年的熱門主題是人工智能。

近來，人工智能方面的演講可能比其他任何一個(gè)分析應(yīng)用都要多�？上У氖�，大部分演講都沒有多大意義。

計(jì)算機(jī)先驅(qū) Alan Turing 設(shè)想的計(jì)算機(jī)具有可與人類智能相媲美的能力。人工智能技術(shù)將讓我們無法區(qū)分由計(jì)算機(jī)生成的對(duì)話和人類生成的對(duì)話。

想想與現(xiàn)今的人工智能應(yīng)用程序所發(fā)生的交互。個(gè)人助理，例如 Siri 或 Alexa，可能有點(diǎn)用，但仍然無法與人類之間的互動(dòng)相媲美。在線輔助應(yīng)用機(jī)器人非常令人失望。你只要問它一個(gè)現(xiàn)實(shí)一點(diǎn)問題，很快就會(huì)知道它有多“無腦”。

根據(jù)圖靈的定義，人工智能尚不存在。紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)教授 Gary Marcus 說，對(duì)人工智能的最大誤解是“人們認(rèn)為我們已經(jīng)很接近人工智能了”。

在現(xiàn)實(shí)世界中，我們確實(shí)有基于計(jì)算機(jī)驅(qū)動(dòng)邏輯的實(shí)用應(yīng)用程序。它們不會(huì)像人類一樣思考，但可以快速而一致地做出決定，這些都是有價(jià)值的。這些應(yīng)用程序促使機(jī)器能夠完成實(shí)際的工作，例如標(biāo)記潛在的欺詐性交易和駕駛汽車。

盡管這些技術(shù)有明顯的局限性，但公眾和科技界都充斥著對(duì)人工智能不切實(shí)際的主張和期望。這種主張帶來了不安，也開始令人感到失望，非常失望。

Tom Davenport，巴布森信息技術(shù)與管理學(xué)院的教授，國(guó)際分析研究所的聯(lián)合創(chuàng)始人，麻省理工學(xué)院數(shù)字經(jīng)濟(jì)倡議的研究員，以及德勤分析的高級(jí)顧問。

我們對(duì)國(guó)際分析研究所的年度趨勢(shì)進(jìn)行了預(yù)測(cè)，以下是一些要點(diǎn)：

企業(yè)越來越關(guān)注模型部署率——雷克斯數(shù)據(jù)科學(xué)調(diào)查報(bào)告顯示，只有 10-15%的公司“幾乎總是”部署分析模型，另外 50%的公司會(huì)“經(jīng)常”部署，35%到 40%的公司只偶爾或很少成功部署分析模型。一些企業(yè)表示他們的成功部署率低于 10%。當(dāng)然，未部署的分析模型是沒有經(jīng)濟(jì)價(jià)值的。企業(yè)需要在 2019 年提高部署率。

公民數(shù)據(jù)科學(xué)家和商業(yè)分析師將繼續(xù)存在。圖形和基于搜索的分析的興起和數(shù)據(jù)科學(xué)領(lǐng)域日益自動(dòng)化的機(jī)器學(xué)習(xí)意味著我們將看到業(yè)余愛好者參與大量的分析工作。這種趨勢(shì)是不可抗拒的，所以要為他們提供支持，并做好保護(hù)工作。這也意味著量化從業(yè)人員要么轉(zhuǎn)向高度復(fù)雜的建模工作，要么去了解業(yè)務(wù)問題并解決企業(yè)變更問題。

Carla Gentry，咨詢數(shù)據(jù)科學(xué)家和 Analytical-Solution 的所有者。

2018 年是分析和數(shù)據(jù)科學(xué)的輝煌年，但我們也看到了人工智能、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的爆炸式增長(zhǎng)。我們看到人工智能在醫(yī)療領(lǐng)域和警務(wù)方面的應(yīng)用有所增加，無論是否存在偏見的危險(xiǎn)。我認(rèn)為有些人已經(jīng)忘了在這些情況下數(shù)據(jù)和生活其實(shí)是融合在了一起，我們也將進(jìn)一步期待可穿戴設(shè)備和物聯(lián)網(wǎng)(Google Home、 Alexa 等)的發(fā)展。

2019 年，之前的流行語會(huì)繼續(xù)存在，而且會(huì)出現(xiàn)更多，公司也將開始意識(shí)到神經(jīng)網(wǎng)絡(luò)需要成千上萬或數(shù)百萬的學(xué)習(xí)樣本，更糟糕的是，每當(dāng)你想要神經(jīng)網(wǎng)絡(luò)識(shí)別新類型的項(xiàng)目時(shí)，必須從開頭開始訓(xùn)練(至少非常耗費(fèi)時(shí)間)——人才是另一個(gè)問題，除了 Geoffrey Hinton、Yejin Choi 或 Yann LeCun，真正的神經(jīng)網(wǎng)絡(luò)專家很少，所以不要指望招到大牛。

數(shù)據(jù)科學(xué)是關(guān)于如何收集數(shù)據(jù)的見解，在某些情況下，我們無法成為 AL、機(jī)器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)專家，因此必須更加仔細(xì)地探索差異，新手將不得不重新學(xué)習(xí)，以便適應(yīng)未來的科技競(jìng)爭(zhēng)。我擔(dān)心的是，缺乏對(duì)機(jī)器學(xué)習(xí)方式的真正理解以及如何在不受傷害的情況下使用人工智能將繼續(xù)暴露出一些公司或算法的弱點(diǎn)。

讓我們繼續(xù)推進(jìn)這些技術(shù)，但要明白，如果你搞砸了后果可能很嚴(yán)重!

Bob E. Hayes，Business over Broadway 的研究員、作家兼顧問、出版人，并擁有工業(yè)組織心理學(xué)博士學(xué)位。

數(shù)據(jù)科學(xué)和分析領(lǐng)域持續(xù)關(guān)注機(jī)器學(xué)習(xí)的所有方面，包括強(qiáng)化學(xué)習(xí)、聊天機(jī)器人及其對(duì)社會(huì)的影響。

2019 年，我預(yù)計(jì)人們會(huì)越來越關(guān)注人工智能的道德規(guī)范，包括隱私和安全問題。人們?cè)噲D理解算法如何做出特定的決策，我們不僅需要知道機(jī)器學(xué)習(xí)有助于我們做出決策，而且要知道它是如何做出決策的。此外，美國(guó)公司將重點(diǎn)關(guān)注他們?nèi)绾问褂孟�費(fèi)者的個(gè)人數(shù)據(jù)。加利福尼亞州通過了“加利福尼亞州消費(fèi)者隱私法”(將于 2020 年 1 月生效)，我希望其他州也會(huì)緊隨其后。

我擔(dān)心人工智能 / 機(jī)器學(xué)習(xí)在制造和傳播假新聞方面的使用會(huì)有所增長(zhǎng)。Deep Fakes 已經(jīng)表明，人們可以輕松制作假視頻，讓視頻中的人說他們沒有說過的話或讓他們做出不符合他們行為習(xí)慣的動(dòng)作。

雖然可以通過訓(xùn)練營(yíng)、MOOC 和大學(xué)等方式來學(xué)習(xí)數(shù)據(jù)科學(xué)，但我希望看到越來越多的人嘗試通過分析的方式來教育非數(shù)據(jù)專業(yè)人員(例如管理人員和一線員工)。

Cassie Kozyrkov，Google Cloud 的首席決策工程師。喜歡統(tǒng)計(jì)學(xué)、人工智能、數(shù)據(jù)、雙關(guān)語、藝術(shù)、科幻、戲劇、決策科學(xué)。

2018 年的主要進(jìn)展之一是數(shù)據(jù)科學(xué)的民主化。云技術(shù)為資源密集型大數(shù)據(jù)和人工智能應(yīng)用程序提供動(dòng)力，人們不需要再使用 Kubeflow 等工具構(gòu)建數(shù)據(jù)中心，從而為沒有基礎(chǔ)設(shè)施專業(yè)知識(shí)的人提供了可擴(kuò)展的數(shù)據(jù)科學(xué)。這種讓每個(gè)人都能獲得數(shù)據(jù)科學(xué)工具的趨勢(shì)將在 2019 年繼續(xù)加速發(fā)展。

Doug Laney，Gartner 副總裁，杰出的分析師和首席數(shù)據(jù)官研究員，也是“Infonomics”的作者。

Gartner 的 2019 年數(shù)據(jù)和分析戰(zhàn)略預(yù)測(cè)剛剛發(fā)布，從中可以看到企業(yè)戰(zhàn)略明確提到了信息是關(guān)鍵的企業(yè)資產(chǎn)，而分析是不可或缺的能力。不只是 IT 戰(zhàn)略中提到了這些，企業(yè)戰(zhàn)略和計(jì)劃中也提到了。

我們期望數(shù)據(jù)掃盲計(jì)劃會(huì)變得越來越普遍，促進(jìn)業(yè)務(wù)人員和數(shù)據(jù)分析專業(yè)人員之間的溝通，尤其是在分析需求變得越來越復(fù)雜時(shí)。隨著流行病學(xué)原則和實(shí)踐的采用，我們期望首席數(shù)據(jù)官更頻繁地與他們的首席財(cái)務(wù)官合作，正確評(píng)估企業(yè)的信息資產(chǎn)。這樣可以為我們的很多客戶帶來重要的信息管理和商業(yè)利益。但分析和數(shù)字倫理仍然是一個(gè)問題，我們相信企業(yè)將會(huì)為他們的數(shù)據(jù)科學(xué)團(tuán)隊(duì)引入專業(yè)行為準(zhǔn)則。

我們預(yù)計(jì)在未來 3 到 5 年內(nèi)，大多數(shù)新業(yè)務(wù)系統(tǒng)將采用基于實(shí)時(shí)上下文數(shù)據(jù)的連續(xù)智能，量子計(jì)算概念驗(yàn)證項(xiàng)目將大大超越現(xiàn)有的分析技術(shù)，增強(qiáng)和自動(dòng)化的見解將取代絕大多數(shù)預(yù)建報(bào)告，位置分析的應(yīng)用將增長(zhǎng) 10 倍，機(jī)器學(xué)習(xí)將更容易招到數(shù)據(jù)科學(xué)家。

Gregory Piatetsky，KDnuggets 總裁，數(shù)據(jù)科學(xué)家，KDD 會(huì)議和 SIGKDD 聯(lián)合創(chuàng)始人。

2018 年的主要進(jìn)展：

GDPR 于 2018 年 5 月生效，不僅在歐洲，對(duì)于美國(guó)和其他地區(qū)來說也是一個(gè)重要的里程碑，很多公司都在更新其隱私政策。但是，在新的隱私政策的掩護(hù)下，消費(fèi)者隱私是否會(huì)有實(shí)際改善還是一切照舊仍有待觀察。

數(shù)據(jù)科學(xué)的民主化仍在繼續(xù)，更多的工具提供了更廣泛的數(shù)據(jù)科學(xué)見解。

人工智能風(fēng)險(xiǎn)：自動(dòng)駕駛汽車的第一個(gè)死亡事故加劇了人們對(duì)人工智能不可避免的風(fēng)險(xiǎn)的關(guān)注。但自動(dòng)駕駛汽車(和自動(dòng)化人工智能)不應(yīng)該被認(rèn)為是一種零差錯(cuò)標(biāo)準(zhǔn)，我們需要將其與當(dāng)前的風(fēng)險(xiǎn)相比。例如，人類駕駛也是非常危險(xiǎn)的，2017 年僅在美國(guó)就有 37,000 人死于車禍。

2019 年的主要趨勢(shì)：

數(shù)據(jù)科學(xué)自動(dòng)化將繼續(xù)加速發(fā)展，但數(shù)據(jù)科學(xué)家的工作至少在未來幾年內(nèi)不會(huì)完全自動(dòng)化。

人工智能的進(jìn)步和炒作：雖然人工智能的進(jìn)步是真實(shí)的，但人工智能炒作的增長(zhǎng)會(huì)比以往更甚。

中國(guó)已成為人工智能的主要參與者，很多中國(guó)公司正在進(jìn)行自己的創(chuàng)新而不僅僅是跟隨美國(guó)。

強(qiáng)化學(xué)習(xí)將在人工智能進(jìn)步中發(fā)揮越來越重要的作用。例如，Montezuma Revenge Atari 游戲中的 RL 表現(xiàn)出了驚人的進(jìn)展，打破了之前由計(jì)算機(jī)或人類創(chuàng)下的所有記錄。

Bill Schmarzo，Hitachi Vantara 的首席技術(shù)官。

2018 年大數(shù)據(jù)、數(shù)據(jù)科學(xué)或分析的主要進(jìn)展：

業(yè)務(wù)利益相關(guān)者越來越意識(shí)到機(jī)器學(xué)習(xí)和深度學(xué)習(xí)對(duì)業(yè)務(wù)變化的潛在影響。

數(shù)據(jù)湖仍然是一個(gè)被錯(cuò)配的資產(chǎn)。太多的企業(yè)將數(shù)據(jù)湖視為替代昂貴的數(shù)據(jù)倉(cāng)庫(kù)和 ETL 的一種方式，但并沒有完全理解數(shù)據(jù)湖作為協(xié)作創(chuàng)造平臺(tái)的價(jià)值，業(yè)務(wù)利益相關(guān)者和數(shù)據(jù)科學(xué)團(tuán)隊(duì)可以圍繞這些平臺(tái)創(chuàng)造商業(yè)價(jià)值。

2019 年的主要趨勢(shì)：

對(duì)于領(lǐng)先的企業(yè)而言，大數(shù)據(jù)和數(shù)據(jù)科學(xué)計(jì)劃將轉(zhuǎn)向業(yè)務(wù)驅(qū)動(dòng)，而不是 IT 驅(qū)動(dòng)。商業(yè)領(lǐng)袖將可以識(shí)別、驗(yàn)證、審查、評(píng)估和優(yōu)先考慮業(yè)務(wù)領(lǐng)域，大數(shù)據(jù)、物聯(lián)網(wǎng)和數(shù)據(jù)科學(xué)(機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能)可以在這些領(lǐng)域推動(dòng)業(yè)務(wù)產(chǎn)出。

領(lǐng)先的企業(yè)不僅僅是使用數(shù)據(jù)科學(xué)來優(yōu)化關(guān)鍵業(yè)務(wù)和運(yùn)營(yíng)流程，他們還將意識(shí)到隱藏在數(shù)據(jù)中的客戶、產(chǎn)品和運(yùn)營(yíng)見解是新貨幣化機(jī)會(huì)的驅(qū)動(dòng)因素。

Kate Strachnyi，數(shù)據(jù)可視化專家，“The Disruptors: Data Science Leaders and Journey to Data Scientist”的作者，人類數(shù)據(jù)科學(xué)視頻播客的主播。

2018 年數(shù)據(jù)科學(xué)和分析的主要進(jìn)展：

通用數(shù)據(jù)保護(hù)條例(GDPR)：這項(xiàng)歐盟法規(guī)于 2018 年 5 月生效，提供了一套旨在讓歐盟公民更好地控制其個(gè)人數(shù)據(jù)的規(guī)則，并鼓勵(lì)其他地方也設(shè)置類似的標(biāo)準(zhǔn)。例如，加利福尼亞州通過了自己的數(shù)字隱私法，這讓消費(fèi)者能夠了解組織正在收集哪些信息、收集數(shù)據(jù)的原因以及他們與誰共享這些數(shù)據(jù)。

自助式商業(yè)智能(BI)工具：BI 工具在數(shù)據(jù)分析師和業(yè)務(wù)分析師中變得越來越普遍。但是，目前尚不清楚這些工具的用戶是否能夠理解這些工具背后真正的含義。用戶在這些工具中拖放字段，并創(chuàng)建圖表，但不知道是否真正了解背后正在發(fā)生的事情。

2019 年的主要趨勢(shì)：

數(shù)據(jù)道德與隱私：將更加注重在數(shù)據(jù)科學(xué)過程的每一個(gè)步驟考慮數(shù)據(jù)的道德與隱私問題。那些使用數(shù)據(jù)的人需要了解他們擁有強(qiáng)大的權(quán)力，需要考慮他們的工作將產(chǎn)生的影響。隨著世界變得越來越數(shù)字化，個(gè)人、公司和政府越來越關(guān)注這方面的問題。

過程自動(dòng)化：公司將繼續(xù)實(shí)現(xiàn)流程自動(dòng)化，以降低成本和提高效率。這種自動(dòng)化還可能導(dǎo)致負(fù)責(zé)執(zhí)行自動(dòng)化過程的個(gè)人失業(yè)。人們需要專注于學(xué)習(xí)需求不斷增長(zhǎng)的新技能，以便在瞬息萬變的環(huán)境中保持最佳狀態(tài)。

Ronald van Loon，Adversitement 總監(jiān)，幫助數(shù)據(jù)驅(qū)動(dòng)型公司取得成功。大數(shù)據(jù)、數(shù)據(jù)科學(xué)、物聯(lián)網(wǎng)、人工智能領(lǐng)域十大最具影響力人物之一。

2018 年，隨著公司利用各種數(shù)據(jù)源來獲得值得信賴的見解，端到端數(shù)據(jù)管理也在不斷發(fā)展，在分析成熟度上升的同時(shí)支持與數(shù)字經(jīng)濟(jì)保持一致的基礎(chǔ)設(shè)施和業(yè)務(wù)模式。機(jī)器學(xué)習(xí)被廣泛接受，因?yàn)樗�有的軟件供�?yīng)商都通過特定于領(lǐng)域的解決方案將機(jī)器學(xué)習(xí)嵌入到應(yīng)用程序中。

在 2019 年，將有更多集成的硬件和軟件框架，提供更復(fù)雜的方法來支持更高水平的深度學(xué)習(xí)應(yīng)用程序，這些應(yīng)用程序?qū)⑦M(jìn)一步促進(jìn)創(chuàng)新。深度學(xué)習(xí)應(yīng)用程序需要借助全面優(yōu)化的硬件和軟件技術(shù)棧來推廣新的現(xiàn)代人工智能架構(gòu)。我們將看到這種全棧式方法在各個(gè)領(lǐng)域中的崛起，以滿足不斷增長(zhǎng)的對(duì)最佳深度學(xué)習(xí)性能和能力的需求。

隨著物聯(lián)網(wǎng)設(shè)備的增長(zhǎng)，實(shí)時(shí)邊緣分析將呈指數(shù)級(jí)增長(zhǎng)，這讓實(shí)時(shí)分析變得更加容易，并可以基于實(shí)時(shí)見解進(jìn)一步加強(qiáng)即時(shí)響應(yīng)。

Favio Vazquez，Ciencia y Datos 的數(shù)據(jù)科學(xué)家、物理學(xué)家兼計(jì)算工程師。

對(duì)于數(shù)據(jù)科學(xué)來說，2018 年是令人驚嘆的一年，這個(gè)領(lǐng)域在理論和實(shí)踐方面取得了巨大進(jìn)步，提出了幾種數(shù)學(xué)科學(xué)方法，有助于將數(shù)據(jù)科學(xué)轉(zhuǎn)化為真正的科學(xué)。機(jī)器學(xué)習(xí)(ML)、AutoML 進(jìn)展非常巨大，其中也包括自動(dòng)深度學(xué)習(xí)。

2019 年的主要趨勢(shì)：

AutoX：我們將看到越來越多的公司開發(fā)并將其包含在他們的自動(dòng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)棧和庫(kù)中。這里的 X 表示這些自動(dòng)工具可以是數(shù)據(jù)攝取、數(shù)據(jù)集成、數(shù)據(jù)清理、探索和部署工具。

語義技術(shù)：今年對(duì)我來說最有趣的發(fā)現(xiàn)是數(shù)據(jù)科學(xué)和語義之間的關(guān)系。它并非數(shù)據(jù)世界的新生事物，但我看到更多人對(duì)語義、本體、知識(shí)圖譜及其與數(shù)據(jù)科學(xué)和 ML 之間的聯(lián)系感興趣。

更少的編程：這是一件很難說清楚的事情，但在數(shù)據(jù)科學(xué)流程每個(gè)步驟幾乎都包含了自動(dòng)化，所以編程會(huì)越來越少。我們將擁有用于創(chuàng)建代碼的工具，這些工具將會(huì)理解我們對(duì) NLP 的需求，然后將其轉(zhuǎn)換為查詢、語句和完整的程序。我認(rèn)為編程仍然是一項(xiàng)非常重要的學(xué)習(xí)內(nèi)容，但很快就會(huì)變得更容易掌握。

數(shù)字教育：這方面的趨勢(shì)每年都在增長(zhǎng)，但明年我們將看到更多的人進(jìn)入 MOOC、數(shù)字課程、在線課程。有人將其稱為“教育民主化”，我在很大程度上也贊同這種說法，但我還是需要向這些人提出警告：小心你所看到的以及你的學(xué)習(xí)方式，在這些課程上面投入時(shí)間和金錢之前請(qǐng)先做一番調(diào)查，好的課程將讓你的生活變得更好，但其他的可能會(huì)給你帶來風(fēng)險(xiǎn)。

Jen Underwood，DataRobot 的高級(jí)總監(jiān)，也是 Impact Analytix 的創(chuàng)始人。

人工智能炒作和轉(zhuǎn)型影響在 2018 年無處不在。幾年前，大數(shù)據(jù)風(fēng)靡一時(shí)，然后是云計(jì)算，現(xiàn)在是機(jī)器學(xué)習(xí)占據(jù)了主導(dǎo)地位。人工智能在機(jī)器人和商業(yè)智能解決方案中得到了廣泛應(yīng)用�，F(xiàn)今的啤酒甚至也是人工智能驅(qū)動(dòng)的。

今年，我們也看到了自動(dòng)化市場(chǎng)動(dòng)力的激增。如今，很多機(jī)器學(xué)習(xí)解決方案都在推動(dòng)由人工引導(dǎo)的自動(dòng)數(shù)據(jù)分析，以便在整個(gè)項(xiàng)目生命周期中實(shí)現(xiàn)更深入的自動(dòng)化機(jī)器學(xué)習(xí)(AutoML)。從簡(jiǎn)單的拖放、通過按鈕單擊向?qū)��?chuàng)建基本模型到復(fù)雜的特征工程、模型搜索、超參數(shù)調(diào)整、部署、模型管理和監(jiān)控，AutoML 的功能差異很大——結(jié)果的質(zhì)量也存在巨大差異。

2019 年，關(guān)于監(jiān)管公民數(shù)據(jù)科學(xué)、隱私、偏見、道德和 Deep Fake 方面的擔(dān)憂將考驗(yàn)我們對(duì)人工智能的信心。區(qū)塊鏈等創(chuàng)新技術(shù)將開始改變我們存儲(chǔ)、共享和跟蹤數(shù)據(jù)的方式。我還期望能夠更多地強(qiáng)調(diào)非數(shù)據(jù)科學(xué)家能夠理解、解釋和信任的人工智能。目前在將數(shù)據(jù)科學(xué)家的術(shù)語翻譯成其他人能夠理解的公共語言方面還存在巨大差距。隨著企業(yè)在不完美的世界中采用人工智能，同時(shí)公民數(shù)據(jù)科學(xué)家也在不斷增加，更多的人需要盡快成為數(shù)據(jù)識(shí)別者，以避免人工智能出錯(cuò)。

英文原文：

https://www.kdnuggets.com/2018/12/predictions-data-science-analytics-2019.html

標(biāo)簽： Google 安全 大數(shù)據(jù) 代碼 數(shù)據(jù)分析 搜索 推廣 網(wǎng)絡(luò) 信息技術(shù) 云計(jì)算 轉(zhuǎn)型

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。